def get_breed(file):
image = load_img(file, target_size=(299, 299))
input_array = np.reshape(img_to_array(image), (-1, 299, 299, 3)) / 255
# Prédiction de la race
output = model.predict(input_array)
return class_label.at[output.argmax(axis=-1)[0], 'index']
def get_top3_breeds(model, file):
image = load_img(file, target_size=(299, 299))
input_array = np.reshape(img_to_array(image), (-1, 299, 299, 3)) / 255
# Prédiction de la race
output = model.predict(input_array)
df_out = pd.DataFrame(output[0])
top3_breeds = pd.merge(class_label, df_out, left_index=True, right_index=True).rename(columns={0: 'Probabilité', 'index': 'Race prédite'}).sort_values('Probabilité', ascending=False).head(3)
return top3_breeds
def get_true_breed(file):
return file.split('/')[-2]
def get_best_object(df):
result_df = pd.DataFrame()
for i in range(len(df.objects)):
res = pd.DataFrame(df.objects[i], columns=['class_id', 'name', 'relative_coordinates', 'confidence'])
if res.empty:
# NaN si aucun objet détecté (la photo ne sera pas recadrée)
res.loc[0] = np.nan
else:
# Sélection du chien avec la meilleure confidence
res = res[res.name == "dog"].sort_values(by="confidence", ascending=False).head(1).reset_index(drop=True)
# NaN si aucun chien détecté (la photo ne sera pas recadrée)
if res.empty:
res.loc[0] = np.nan
else:
# Extraction des coordonnées de recadrage
coord = pd.DataFrame.from_dict(res.relative_coordinates.loc[0], orient='index').transpose()
res = pd.merge(res, coord, left_index=True, right_index=True)
# Ajout dans un df
result_df = result_df.append(res)
return result_df.reset_index(drop=True)
def export_png_table(data, col_width=2.2, row_height=0.625, font_size=10,
header_color='#7451eb', row_colors=['#f1f1f2', 'w'],
edge_color='w', bbox=[0, 0, 1, 1], header_columns=1,
ax=None, filename='table.png', **kwargs):
ax = None
if ax is None:
size = (np.array(data.shape[::-1]) + np.array([0, 1])
) * np.array([col_width, row_height])
fig, ax = plt.subplots(figsize=size)
ax.axis('off')
mpl_table = ax.table(cellText=data.values, bbox=bbox,
colLabels=data.columns, **kwargs)
mpl_table.auto_set_font_size(False)
mpl_table.set_fontsize(font_size)
for k, cell in six.iteritems(mpl_table._cells):
cell.set_edgecolor(edge_color)
if k[0] == 0 or k[1] < header_columns:
cell.set_text_props(weight='bold', color='w')
cell.set_facecolor(header_color)
else:
cell.set_facecolor(row_colors[k[0] % len(row_colors)])
fig.savefig(filename, transparent=True)
return None
